Vantagens e limitações dos RGB s

Documentos relacionados
INTRODUçÃO ÀS. UNIVERSIDADE DE AVEIRO Departamento de Física Detecção Remota

Aplicações à superfície e ao oceano: Gelo Marinho

Qualidade Radiométrica das Imagens Sensor ADS40

Fundamentos de Sensoriamento Remoto

TUTORIAL. Imagens CBERS-4 5m: conheça este sensor e aprenda a realizar o download dessas imagens no site do INPE QGIS.

Satélites Artificiais da Terra

Definição de sensoriamento remoto. Professor: Enoque Pereira da Silva

Sistema de Detecção de Desmatamento em Tempo Real. Instituto Nacional de Pesquisas Espaciais Ministério da Ciência e Tecnologia

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

Avaliação Parcial 01 - GABARITO Questões Bate Pronto. As questões 1 a 23 possuem apenas uma alternativa correta. Marque-a.

Interpretação Visual de Produtos de Sensoriamento Remoto

LAB 1 - GEOPROCESSAMENTO Introdução à imagem multiespectral e assinatura espectral de alvos

Manto de neve e equivalente em água. UNIVERSIDADE DE AVEIRO Departamento de Física Detecção Remota

Sensoriamento Remoto II

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista

Fundamentos do Sensoriamento Remoto. Disciplina: Sensoriamento Remoto Prof. Dr. Raoni W. D. Bosquilia

Geomática e SIGDR aula teórica 25 14/05/2013. Interpretação de imagens de detecção remota Índices de vegetação

José Alberto Quintanilha Mariana Giannotti

Resoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

Classificação digital de Imagens

Detecção Remota. Aquisição de dados. Sistema Modelo de Detecção Remota ICIST. Energia Electromagnética. Interacções com a Atmosfera

Sensoriamento Remoto Aplicado à Geografia

INTRODUÇÃO AO SENSORIAMENTO REMOTO. Daniel C. Zanotta

Mapeamento do uso do solo para manejo de propriedades rurais

COMPORTAMENTO ESPECTRAL DE ALVOS

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS FUNDAMENTOS DO SENSORIAMENTO REMOTO

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

Prof o. Ti T a i go B adr d e r Mar a ino n Geoprocessamento D pa p rtam a ent n o de d Ge G oc o iê i nc n ias Instituto de Agronomia - UFRRJ

Satélites e Sensores. Bruno Silva Oliveira

Interpretação de Imagens

O OCEANO - SISTEMA FÍSICO E RESERVATÓRIO DE ENERGIA. A Terra no Espaço

4 Resultados Exemplo 1 Reprodução da Opacidade 2D

Instituto Nacional de Pesquisas Espaciais - INPE Divisão de Sensoriamento Remoto

Radiômetros imageadores

SENSOREAMENTO REMOTO AULA1

Interpretacão de Imagens. Teresa G.Florenzano DSR/INPE

Geoprocessamento e sensoriamento remoto como ferramentas para o estudo da cobertura vegetal. Iêdo Bezerra Sá

Aula 2 - Sensoriamento Remoto: Espectro eletromagnético; principais sensores. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

FACULDADE DE ENGENHARIA DE MINAS GERAIS SENSORIAMENTO REMOTO E AEROFOTOGRAMETRIA REVISÃO DE CONTEÚDO. Prof. Marckleuber

Furacão Katrina. UNIVERSIDADE DE AVEIRO Departamento de Física Detecção Remota

Geomática e SIGDR aula teórica 26 17/05/2013. Sistemas de detecção remota passivos Tipos de resolução das imagens

REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Daniel C. Zanotta 14/03/2018

09/03/2017. O que é Sensoriamento Remoto? Tipos de Sensoriamento Remoto REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Satélites.

COMPORTAMENTO ESPECTRAL DE ALVOS

AULA 9 TRANSFORMAÇÃO RGB IHS. Daniel C. Zanotta 22/06/2017

UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2. Sensoriamento Remoto.

Agricultura. Integra um grande número de formatos de imagens aéreas, satélite, radar ou térmicas;

Flávia da Fonseca Feitosa

CAPÍTULO 4 TECNOLOGIA ESPACIAL NO ESTUDO DE FENÔMENOS ATMOSFÉRICOS

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

Fundamentos de Sensoriamento Remoto. Elisabete Caria Moraes

Satélites e Sensores. Bruno Silva Oliveira

CARTOGRAFIA TEMÁTICA Teoria das cores. Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura

Sensoriamento Remoto: características espectrais de alvos. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

AULA 9 TRANSFORMAÇÃO RGB HSV. Daniel C. Zanotta 13/08/2018

SEL 5895 Introdução ao Processamento Digital de Imagens. Aula 1 - Introdução. Prof. Dr. Marcelo Andrade da Costa Vieira

O CLIMA DA TERRA: Processos, Mudanças e Impactos

Introdução ao Processamento de Imagens Digitais Aula 01

PROCESSAMENTO DIGITAL DE IMAGENS. Thales Sehn Körting

O DESAFIO DOS SENSORES REMOTOS NO INVENTÁRIO DE BIOMASSA SÓLIDA. José Rafael M. Silva; Adélia Sousa; e Paulo Mesquita

Técnicas de interpretação de espectros de reflectância. Aula 5 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

PARTE 2 INTRODUÇÃO AO SIG/GIS. Mundo Real. Curso de Geoprocessamento: Prof. Alzir Felippe B. Antunes

SEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista Presidente Prudente

SENSORIAMENTO REMOTO: CONCEITOS, TENDÊNCIAS E APLICAÇÕES. Imagens de Satélites Orbitais

ESTUDO DA DINÂMICA ESPECTRAL E ANGULAR DA SOJA ATRAVÉS DE SIMULAÇÕES (PROSAIL) E DADOS DOS SENSORES MODIS E HYPERION

Sensoriamento Remoto: Imagens orbitais e resoluções. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Universidade do Estado de Minas Gerais Curso de Sistemas de Informações. Multimídia. A Imagem (Parte I)

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

Satélites e Sensores Orbitais

PROCESSAMENTO DE IMAGENS COLORIDAS

DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8

ESTUDO DA RELAÇÃO ENTRE QUEIMADAS, AEROSSÓIS ATMOSFÉRICOS E PRECIPITAÇÃO. RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE)

Geomática e SIGDR aula teórica 27 21/05/2013. Sistemas activos de detecção remota

Os computadores processam dados digitais ou discretos. Os dados são informação representada num sistema digital de símbolos.

Características da cor

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS

Introdução ao Sensoriamento Remoto

Fundamentos de Processamento Gráfico. Modelos de cores. Fátima Nunes. Profa. Fátima L. S. Nunes

PROCESSAMENTO DIGITAL DE IMAGENS

processos de formação e suas inter-relações com o ambiente. As diversas combinações de fatores (clima, relevo,

Imagens digitais. Armando J. Pinho. Introdução à Análise e Processamento de Sinal Universidade de Aveiro.

Mapeamento do uso do solo

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista

SENSORES REMOTO UMA ABORDAGEM PRÁTICA NO LEVANTAMENTO FLORESTAL

1. Introdução: um breve histórico

Simulação do Espectro Contínuo emitido por um Corpo Negro 1ª PARTE

SISTEMA DE COLETA. Fonte de. Trajetória. ria PRODUTOS INTERAÇÃO SISTEMA TRATAMENTO. Produto final AÇÕES

Abril Educação Ondas sonoras e luminosas Aluno(a): Número: Ano: Professor(a): Data: Nota:

Sistemas de Informação Geográfica Aplicados

Luciano Fucci.

27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A

Sensoriamento Remoto: Sistemas de imageamento e níveis de aquisição de dados. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Período: 5 Carga Horária: 45 horas. UFPR Departamento de Geomática Prof. Jorge Centeno 2013 centenet

Aula 1. Princípios Físicos de Sensoriamento Remoto. Prof: Alexandre Cigagna Wiefels

Transcrição:

Universidade de Aveiro Departamento de Física Detecção Remota Vantagens e limitações dos RGB s Soraia Romão nº50402

Vantagens A fusão de diferentes canais pode destacar características atmosféricas e da superfície que são difíceis de distinguir com imagens de apenas um canal Cada canal, geralmente, representa um determinado comprimento de onda, embora combinações de diferentes canais também possam ser usadas O processamento de imagem RGB suporta todo o espectro EM (do visível ao IV e até microondas); há combinação de informação de diferentes comprimentos de onda em várias regiões do espectro EM A tecnologia RGB permite a criação de produtos de aspecto realista que podem reduzir ambiguidades e simplificar a sua interpretação O melhoramento do sistema RGB com a sobreposição com informações quantitativas, tais como modelos numéricos e as observações sinóptica e de radar, irão permitir uma análise e interpretação muito mais profunda Os sensores de futuros satélites contarão com mais canais, tornando os RGBs ainda mais úteis

Limitações Os RGBs eliminam uma interpretação ambígua. Falso

Limitações Os RGBs reduzem ambiguidades, mas nem sempre conseguem eliminá-las. Basta considerar as nuvens altas no ponto C e a cobertura de neve no ponto A, em imagem RGB na cor natural: ambos são azul ciano. Isto destaca a importância de uma boa interpretação e de informação complementar. No entanto, o produto é melhor do que em imagens de um único canal. Por exemplo, permite distinguir nuvens altas e cobertura de neve (A e C) de nuvens baixas (B). Figura 1 Imagem de RGB em cor natural.

Limitações Apesar das melhorias da tecnologia RGB serem projectadas para ajudar a identificar estruturas específicas, por si só não fornecem informações quantitativas, tais como o tamanho das gotículas nas nuvens ou a altura da cobertura de neve. Verdadeiro

Limitações Embora existam directrizes para a interpretação das cores em RGB, na maioria dos casos estes produtos não são distribuídos com legendas ou escalas de cores, uma vez que são projectados para propósitos gerais de interpretação e não para transmitir informação quantitativa ou classificações objectivas. Por outro lado, existem produtos de classificação derivados que classificam cada píxel de acordo com uma série de classes. Tomando como exemplo a figura 2, foi atribuída uma cor a cada um dos 21 tipos de nuvens ou superfície. Ao contrário dos RGBs, os esquemas de classificação podem ser validados contra a realidade e julgados pelo seu desempenho. Figura 2 Comparação com imagem de RGB a cor natural com o produto de classificação.

Universidade de Aveiro Departamento de Física Detecção Remota Instrumentos usados até aos satélites da próxima geração Soraia Romão nº50402

Bandas espectrais Os instrumentos de imagem a bordo do futuro GOES-R e satélites de órbita polar dos EUA, como o NPP, têm um maior número de bandas espectrais do que os seus antecessores. Isto irá contribuir para melhorar os RGBs e ajudar a satisfazer a necessidade de informações úteis e concisas para estudos meteorológicos. O gerador de imagens de GOES-R ABI contará com cinco bandas que MSG não tem, ampliando a gama de produtos possíveis. Com o espectrorradiómetro MODIS, em órbita polar, com estas bandas, poder-se-á usar as imagens geradas para ter uma ideia do desempenho futuro do sistema ABI. Com respeito ao MODIS, no entanto, ABI será capaz de gerar animações RGB nos Estados Unidos e na maior parte do Hemisfério Ocidental.

Bandas espectrais

Capacidade do VIIRS O MODIS conta com 36 canais de aquisição de imagens, projectado para pesquisa e desenvolvimento. O desempenho do VIIRS será semelhante com 22 canais e herdará um canal do OLS DMSP, a banda dia/noite, tendo a capacidade de produzir imagens durante a noite quando a luz lunar ou de outras fontes for suficiente.

Capacidade do VIIRS Esta imagem dá uma antevisão do que poderá gerar o VIIRS. Sob a lua cheia, é possível ver a erupção do vulcão Chaitén, no Chile. Figura 3 Erupção do vulcão Chaitén. A amarelo, reflectido, efluentes vulcânicos.

Banda dia/noite do VIIRS Na imagem seguinte, tirada pelo DMSP OLS, é visível uma noite sem luar. São observadas as luzes de cidades como a Geórgia, Alabama e parte do Mississippi. Na imagem de infravermelhos, permite compreender que naquela altura a cidade do Texas estava debaixo de nuvens de tempestades intensas, não podendo ser vista na imagem do visível devido à falta de luar. Figura 4 Comparação de imagens da gama do visível e do infravermelho.

Conclusão O aperfeiçoamento da tecnologia RGB elimina a necessidade de interpretar as duas imagens, uma vez que a camada espessa de nuvens que esconde as luzes da cidade do Texas é perceptível a olho nu. Figura 4 Comparação de imagens da gama do visível e do infravermelho.

Conclusão O DMSP tem apenas dois canais, ao canal do visível é atribuído o vermelho e ao canal infravermelho são atribuídos o azul e o verde, aparecendo as nuvens a azul ciano e as cidades a vermelho. Futuramente, a banda dia/noite do VIIRS terá 21 canais adicionais que poderá associar, permitindo novas capacidades de visualização multiespectral. Figura 5 Imagem do satélite DMSP de apenas dois canais.

Bibliografia http://www.meted.ucar.edu/npoess/multispectral_topics/rgb/print.htm#page_4.0.0 http://torre.fis.ua.pt/remotedetection/aulas/aplicaciones%20satelitales%20multiesp ectrales%20_explicaci%c3%b3n%20de%20los%20realces%20rgb.pdf